No artigo anterior, escrevi que a pressão para adoptar inteligência artificial, sem estratégia por trás, acaba por resultar em agentes comprados um a um. Falta dizer o que acontece a seguir, e esta é a parte que mais me preocupa.
No Connectivity Benchmark Report de 2026, a Salesforce ouviu 1.050 líderes de TI em nove países, todos em empresas com mil ou mais pessoas. A organização média diz ter doze agentes de IA em funcionamento. E diz que metade deles opera isolada dos restantes, e não como parte de um sistema coordenado.
Doze agentes. Metade a trabalhar sozinha.
Já tivemos este problema, e resolvemo-lo mal
Quem trabalha em recursos humanos há tempo suficiente reconhece o padrão. Compraram-se sistemas para o recrutamento, outro para a formação, outro para a avaliação de desempenho, outro para o clima, processamento salarial, etc. Cada um resolveu bem o seu problema. Juntos, criaram um novo problema: ninguém conseguia responder a uma pergunta simples sobre uma pessoa sem abrir quatro separadores e confiar que os quatro se referiam à mesma pessoa.
A mesma pesquisa da Salesforce mostra esse padrão com um número atual. O número de aplicações por empresa subiu de 897 para 957 num ano. Só 27% delas estão integradas entre si.
Na minha leitura, isto aconteceu em vagas, e vê-las em sequência ajuda. Entre 2010 e 2020 comprou-se SaaS vertical: uma ferramenta para cada problema, cada departamento com a sua. Entre 2020 e 2024 comprou-se SaaS de plataforma: muitas funcionalidades num só produto — mas os silos passaram para dentro dele.
Acho que agora estamos numa terceira vaga, em que o que se constrói é o núcleo que liga o que já existe.
E vale a pena notar no que esta sequência diz sobre os agentes comprados um a um: não são a vaga seguinte. São novamente a primeira, com outro nome.
Escrevi aqui em abril que a IA agêntica era a resposta estrutural a essa fragmentação. Continuo a achar que sim. Mas faltava uma condição à frase, e é esta: os agentes só desfazem silos se partilharem uma base comum.
Se não partilharem, não estamos a desfazer nada. Estamos a construir silos mais depressa, com uma camada de linguagem por cima que os faz parecer inteligentes. Um agente que lê o sistema de recrutamento e um agente que lê o sistema de formação, sem nada entre eles, não são um sistema. São dois silos que agora escrevem bem.
A escala do que aí vem
A Gartner prevê que, em 2028, uma empresa média da Fortune 500 tenha mais de 150 mil agentes em uso, contra menos de quinze em 2025.
Não menciono isto como profecia — é uma previsão, e as previsões erram, sobretudo porque, infelizmente, os perfis de empresas Fortune 500 não abundam em Portugal. Trago-a pela ordem de grandeza. Seja qual for o número certo, nomeadamente o de adoção das empresas nacionais, ninguém governa à mão o que se multiplica assim. E, no mesmo estudo, a Gartner nota que apenas 13% das organizações consideram que têm a governação certa para agentes de IA.
Na amostra da Salesforce, apenas 54% têm um enquadramento de governação centralizado para as suas capacidades agênticas, e 86% dos líderes de TI dizem recear que os agentes tragam mais complexidade do que valor, sem integração adequada.
Há aqui uma coisa que vale a pena ver com atenção. Os mesmos inquéritos em que as empresas declaram ter doze agentes dizem também que quase metade não tem governação centralizada. Ou seja: uma boa parte de quem respondeu «doze» não tinha como contar.
Não é uma crítica ao estudo. É a demonstração mais clara que consigo dar do problema. Quando não há base comum, a organização perde a capacidade de responder a perguntas sobre si própria — incluindo a pergunta sobre quantos agentes tem.
E não é só a perceção de quem vende integração
Alguém atento vai dizer que esses números vêm de empresas que vendem exatamente a solução que os números mostram como necessária. Isso é verdade, e é justo falar sobre isso.
Por isso, vale a pena relembrar o Observatório 2026-2027 da Quidgest, que questionou 311 profissionais entre janeiro e abril deste ano, com Portugal como o país mais representado. É uma amostra de conveniência, e o próprio estudo assume-o. Quando se perguntou qual a principal barreira técnica à adopção de IA, as respostas que lideram são silos de dados, ausência de standards, sistemas legacy e falta de interoperabilidade.
Nenhuma destas quatro é sobre inteligência artificial. São todas sobre a casa.
O mesmo estudo faz duas perguntas sobre dependência tecnológica, e à primeira vista as respostas parecem estar em conflito. Perguntados se é um risco, 90% dizem que sim. Perguntados qual é a principal preocupação face aos agentes, a dependência de fornecedores aparece com 4% — muito atrás da perda de controlo humano e dos erros com impacto operacional real.
Não se contradizem. É a diferença entre o risco que se reconhece e o risco que se teme. Ficar preso a um fornecedor reconhece-se de cabeça fria; o que tira o sono é o agente enganar-se num caso concreto. E são a mesma coisa vista de dois ângulos, porque um agente preso ao sistema do fornecedor é um agente cujos erros ninguém consegue auditar depois.
O que isto significa quando a decisão é sobre uma pessoa
Aqui deixo de falar de sistemas em geral.
Há duas semanas deixei uma pergunta em aberto numa publicação minha e não lhe dei resposta: em que momento é que uma competência inferida se torna uma competência demonstrada?
É a pergunta certa a fazer a qualquer agente que trabalhe sobre pessoas. Um agente que lê currículos infere — e um currículo é uma autodeclaração, escrita pela própria pessoa, que ninguém verificou.
A resposta não está no agente. Está onde a evidência fica guardada.
Uma competência está demonstrada quando há registo de alguém a fazer aquilo numa situação observável, e esse registo está num sítio que se pode reler seis meses depois. Se a inferência do currículo e o registo da observação vivem em bases separadas, nenhum agente as vai cruzar — e a organização volta a decidir com o que tem à mão, que é a autodeclaração.
Para mim, portanto, esta discussão não é de arquitectura informática. É de defensabilidade.
O que é, na prática, uma base comum
Dou o exemplo da nossa casa, porque é o que conheço por dentro.
O SkillsVerse não é um agente. É software com vários agentes na sua génese, que se combinam para fazer o que se vê — o ciclo entre o currículo, o plano de desenvolvimento e o progresso ao longo do tempo. Nenhum deles faz isso sozinho, e nenhum deles guarda o que aprendeu só para si.
E aqui vamos ao que é absolutamente relevante. O que torna esta ferramenta útil não é ler currículos melhor do que qualquer outra. É o facto de o que um agente infere e o que se observa depois ficarem no mesmo sítio, e de o agente seguinte poder partir daí.
O SkillsVerse compara, diariamente, as competências da organização com o que o mercado procura. Ler o mercado, por si, é a parte fácil — qualquer modelo o faz hoje. O difícil é ligar o que se lê lá fora ao que está registado cá dentro sobre cada pessoa, e é isso que obriga a haver uma base comum.
A diferença é prática, e é maior do que parece. Um agente que lê o mercado e escreve no seu próprio sistema produz um relatório: uma fotografia de um dia. Vários agentes que lêem o mercado todos os dias e escrevem na mesma base produzem uma série. E uma série responde a uma pergunta que uma fotografia não responde — não só o que mudou nas competências da casa e no que o mercado pede, mas também quando é que mudou.
É assim que o mapa de competências da organização deixa de envelhecer. Não porque se refaça o diagnóstico de vez em quando, mas porque a sua atualização é permanente.
É a diferença entre comprar agentes e construir uma camada. A imagem que usamos cá dentro para explicar isto é simples: sem base comum, têm-se quatro assistentes a improvisar, cada um a falar com a sua ferramenta e nenhum a cruzar dados — conversam, não decidem. Com base comum, tem-se um único cérebro e quatro braços especializados.
E é a parte aborrecida — um núcleo de dados de talento não é uma funcionalidade; é a condição para que o próximo agente acrescente, em vez de duplicar.
Há ainda uma parte disto que não é técnica, é contratual, e sem ela o resto não se sustenta. Um núcleo de dados só é do cliente se for mesmo dele: as licenças e a base de dados ficam em nome dele, o código fica no repositório dele, e se a relação acabar, fica tudo — dados, agentes e código. Vale para o que fazemos sozinhos e para o que fazemos com a Performanze, o nosso parceiro nesta camada.
Menciono-o aqui por uma razão: é a resposta à pergunta que 90% dos inquiridos reconhecem como um risco e que quase ninguém faz em voz alta numa reunião de compra — e se eu quiser sair?
A pergunta que está por baixo de todas as outras
Não proponho nenhum projeto de transformação. Proponho uma pergunta só, que aparece de três maneiras diferentes conforme quem a faz.
A pergunta é: onde fica o que o agente aprende?
Na forma mais literal, é a do director de sistemas: onde é que este agente escreve o que aprendeu? Se a resposta for «no seu próprio sistema», acabou de comprar o silo número treze.
Na forma que interessa a quem assina o contrato, é sobre o tempo: quem consegue ler aquilo daqui a um ano, sem ser através deste fornecedor? Se depender de continuar a pagar a alguém, os dados não são seus. É aqui que os 90% que veem a dependência como risco têm razão, mesmo quando não é isso que os preocupa no dia a dia.
E na forma que me diz respeito a mim, é sobre a natureza do que lá fica: o agente distingue o que a pessoa disse de si própria daquilo que alguém observou? Se não distinguir, não está a medir. Está a organizar melhor o que já não servia para decidir.
São três maneiras de perguntar a mesma coisa, e é de propósito. A condição é uma só.
A IA agêntica continua a ser a resposta que escrevi em abril. Só que a resposta tem uma condição, e a condição vem primeiro.
Se quiser fazer esta pergunta aos agentes que já tem, ou aos que está prestes a comprar, é por ela que começamos no nosso workshop gratuito de 90 minutos sobre adoção de IA em RH.
E, se quiser ver como montamos essa base comum com agentes em produção: IA Agêntica na The Key Talent.